# Amar Phanishayee [[Microsoft Research]] 所属。[[Philly]] の本番 GPU クラスタトレース分析(USENIX ATC 2019)に参加するとともに、[[University of Wisconsin-Madison]] の [[Aditya Akella]] らと共同で GPU クラスタ公平スケジューラ Themis(NSDI 2020)を開発した。(Source: [[@2019__USENIX ATC__Analysis of Large-Scale Multi-Tenant GPU Clusters for DNN Training Workloads]], [[@2020__NSDI__Themis - Fair and Efficient GPU Cluster Scheduling]]) ## 主要業績 - Philly トレース分析: Microsoft 本番 GPU クラスタの DNN 訓練ワークロード解析([[@2019__USENIX ATC__Analysis of Large-Scale Multi-Tenant GPU Clusters for DNN Training Workloads]]) - Themis: 仕上がり時間公平性に基づく GPU クラスタスケジューラ。NSDI 2020([[@2020__NSDI__Themis - Fair and Efficient GPU Cluster Scheduling]]) - RAIL: データセンター光トランシーバーの過剰設計を実測し、伝送距離の引き伸ばしとコスト削減を両立する仮想トポロジベースのルーティングシステム。NSDI 2017([[@2017__NSDI__RAIL - A Case for Redundant Arrays of Inexpensive Links in Data Center Networks]]) - CheckFreq: イテレーション粒度・自動頻度決定・二相チェックポイントによる DNN の高頻度チェックポイントフレームワーク。FAST 2021([[@2021__FAST__CheckFreq - Frequent Fine-Grained DNN Checkpointing]]) ## 関連 - ソース: [[@2019__USENIX ATC__Analysis of Large-Scale Multi-Tenant GPU Clusters for DNN Training Workloads]] / [[@2020__NSDI__Themis - Fair and Efficient GPU Cluster Scheduling]] / [[@2017__NSDI__RAIL - A Case for Redundant Arrays of Inexpensive Links in Data Center Networks]] / [[@2021__FAST__CheckFreq - Frequent Fine-Grained DNN Checkpointing]] - エンティティ: [[Philly]] / [[Microsoft]] / [[Microsoft Research]] / [[Aditya Akella]] / [[Shivaram Venkataraman]] / [[UT Austin]] / [[Vijay Chidambaram]] / [[CheckFreq]] - 概念: [[GPUクラスタスケジューリング]] / [[チェックポイント]] ## 出典 - [[@2021__FAST__CheckFreq - Frequent Fine-Grained DNN Checkpointing]](DNN 訓練の自動きめ細かいチェックポイントフレームワーク CheckFreq を UT Austin の Jayashree Mohan・Vijay Chidambaram と共著(FAST '21))